必须给它看很多猫和狗，让它学会区分这两种动物。你的算法需要的动物越多，你需要的晶体管就越多。）
由于人工智能工作负载通常需要重复运行相同的计算，每次使用不同的数据，所以找到一种方法为人工智能算法定制芯片对于使其在经济上可行至关重要。亚马逊和微软等大型云计算公司运营着大多数算法运行的数据中心，这些公司每年花费数百亿美元购买芯片和服务器，还花费大量资金为这些数据中心提供电力。在竞争“云”市场份额时，提高芯片的效率是必要的。与通用的英特尔CPU相比，针对人工智能进行优化的芯片可以更快地工作，可以占用更少的数据中心空间，同时使用更少的电力。
在21世纪第二个十年早期，图形芯片设计者英伟达听说斯坦福大学的博士生使用它们的GPU做图形以外的事情。GPU与标准的英特尔或AMDCPU的工作方式不同，CPU具有无限的灵活性，但是以串行的方式运行所有计算。相比之下，GPU被设计为针对相同计算同时运行多次迭代。这种“并行处理”很快就变得清晰起来，它的用途不仅仅是控制电脑游戏中的图像像素，还可以有效地训练人工智能系统。在CPU逐条处理数据时，GPU可以同时处理多条数据。为了学会识别猫的图像，CPU需要一个像素一个像素地处理，而GPU可以一次“查看”许多像素。因此，GPU训练电脑识别猫所需的时间大大减少。
瓦纳斯·维寇斯基（WallaceWitkowski），《按市值计算，英伟达超越英特尔成为美国最大的芯片制造商》（NvidiaSurpassesIntelasLargestU.S.ChipMakerbyMarketCap），市场观察网（MarketWatch），2020年7月8日。此后，英伟达将未来押在了人工智能上。自成立以来，英伟达将芯片生产外包给了台积电，坚持不懈地致力于设计新一代GPU，并对名为CUDA的特殊编程语言进行定期升级，这使得设计使用英伟达芯片的程序变得简单易行。随着投资者打赌数据中心将需要更多的GPU，英伟达成为美国最有价值的半导体公司。
《云TPU定价》（CloudTPUPricing），谷歌云，
